Qui és Jensen Huang
Jensen Huang, també conegut com a Jen-Hsun Huang, és cofundador, president i conseller delegat de NVIDIA. Ha ocupat la direcció executiva i un lloc al consell d’administració des de la creació de l’empresa el 1993. [1]
Va néixer a Taiwan el 1963 i va emigrar als Estats Units als nou anys. La trajectòria combina enginyeria electrònica, disseny de semiconductors i direcció empresarial. [7]
Formació i primeres feines
Va obtenir el BSEE en enginyeria elèctrica a Oregon State University el 1984. Allà va conèixer Lori Mills, la futura esposa. [8]
Va completar un màster en enginyeria elèctrica a Stanford el 1992. Aquesta formació es va sumar a una experiència professional centrada en eines i tecnologies per dissenyar circuits integrats. [9]
Va treballar com a dissenyador de microprocessadors a AMD entre 1983 i 1985 i després a LSI Logic, fins al 1993. Allà va dirigir Coreware, una unitat dedicada a tecnologia de sistemes en un xip. [10]
Fundació de NVIDIA i primers reptes
Va fundar NVIDIA el 5 d’abril de 1993 amb Chris Malachowsky i Curtis Priem. L’objectiu inicial era portar gràfics tridimensionals avançats a videojocs i aplicacions multimèdia, un mercat en què el rendiment visual es va convertir en una manera de diferenciar els ordinadors personals. [4]
En una visita a Oregon State el 2013, Huang va recordar una crisi primerenca: la caiguda del preu de la memòria i l’entrada de nombrosos competidors van fer perdre valor al disseny que l’empresa preparava. L’episodi va obligar a replantejar l’estratègia quan encara era una companyia jove. [8]
Dels gràfics a la computació accelerada
El llançament de GeForce 256 el 1999 va ser una fita: va integrar funcions de transformació, il·luminació i renderització al processador gràfic. [7]
CUDA, presentada el 2006, va obrir la programació d’aquestes GPU a tasques més enllà de dibuixar imatges. Les eines permetien utilitzar C i biblioteques matemàtiques per repartir càlculs entre nombrosos fils. La GPU podia treballar amb la CPU i accelerar parts paral·leles d’un programa, ampliant el mercat cap a ciència i enginyeria. [11]
En un article de 2016, Huang va explicar l’aposta per unir processadors paral·lels, eines de programació i accés dels investigadors a aquestes capacitats. Va assenyalar l’entrenament d’AlexNet en GPU el 2012 com un punt d’inflexió. L’aportació de NVIDIA va ser proporcionar infraestructura sobre la qual equips científics van desenvolupar les xarxes i els mètodes. [12]
Sistemes per entrenar i executar intel·ligència artificial
A GTC 2016 NVIDIA va presentar DGX-1 com un sistema integrat per a aprenentatge profund. Reunia vuit acceleradors Tesla P100, interconnexions NVLink i programari com cuDNN i DIGITS. La proposta reunia components que els investigadors necessitaven coordinar per entrenar xarxes, portant l’oferta empresarial des de xips individuals cap a sistemes complets. [13]
El gener de 2026 la companyia va presentar la plataforma Rubin, que combinava CPU, GPU i diversos components de xarxa dissenyats conjuntament. Huang la va situar dins d’una renovació periòdica dels sistemes per a IA. El plantejament aborda tant el càlcul com el moviment de dades, la memòria i la comunicació entre processadors. [16]
Mellanox, Arm i reptes regulatoris
La compra de Mellanox es va completar l’abril de 2020. Va incorporar tecnologies de xarxa d’alt rendiment a la capacitat de computació de NVIDIA. Huang va explicar l’operació com un pas cap a una oferta que abastés processadors, comunicacions i programari per a centres de dades, on connectar els equips és tan important com accelerar cada xip. [14]
L’adquisició proposada d’Arm va seguir un altre recorregut. NVIDIA i SoftBank la van cancel·lar el febrer de 2022 davant d’obstacles regulatoris que impedien tancar-la. Huang va afirmar aleshores que NVIDIA continuaria col·laborant amb Arm com a llicenciatària. L’operació no va convertir NVIDIA en propietària d’Arm. [15]
A l’informe anual de l’exercici 2026, NVIDIA va identificar els controls d’exportació de processadors avançats com un risc per a vendes i subministrament. L’expansió internacional depèn també d’autoritzacions i restriccions comercials. [10]
Omniverse, simulació i entorns tridimensionals
Omniverse connecta dades tridimensionals mitjançant OpenUSD i simula escenes, sensors i comportament físic. Les eines permeten provar robots, generar dades sintètiques i representar instal·lacions. [2]
Les comprovacions de preparació dels actius distingeixen una escena visual d’un model utilitzable per a simulació, que requereix geometria, propietats físiques i comportament de sensors adequats. [2]
La seva visió de la IA com a infraestructura
El març de 2026 va descriure la IA mitjançant cinc capes: energia, xips, infraestructura, models i aplicacions. Va defensar que l’expansió requereix inversió física i personal qualificat, a més de programari. És una tesi empresarial sobre com es desenvolupa el sector, que vincula centres de dades i necessitats energètiques amb productes i serveis nous. [17]
Suport a educació i recerca
Jensen i Lori Huang van comprometre 30 milions de dòlars per al centre d’enginyeria de Stanford que porta el seu nom. L’aportació es va anunciar com a suport a un espai per reunir ensenyament, recerca i col·laboració entre disciplines. [19]
El Jen-Hsun Huang Engineering Center es va inaugurar formalment el 5 d’octubre de 2010. Stanford el presenta com una seu vinculada a creativitat, col·laboració, aprenentatge permanent i emprenedoria dins del conjunt d’edificis de ciència i enginyeria. [20]
El 2022 Oregon State va anunciar una donació de 50 milions de dòlars de la parella per al Jen-Hsun and Lori Huang Collaborative Innovation Complex. El projecte es va orientar a recerca en IA, materials i robòtica, amb àmbits com clima, oceans i recursos hídrics. La contribució s’integra en una col·laboració universitària més àmplia. [18]
Premis i reconeixement professional
La Semiconductor Industry Association li va concedir el Robert N. Noyce Award de 2021, que reconeix lideratge i contribucions a la indústria de semiconductors. L’entitat va destacar el treball en plataformes de computació accelerada i el desenvolupament de NVIDIA. [21]
El Computer History Museum el va nomenar Fellow el 2024 pel lideratge en gràfics, computació accelerada i intel·ligència artificial. [7]
El 2026 va ser reconegut amb la IEEE Medal of Honor. La distinció va valorar la trajectòria en computació accelerada; Huang va vincular el reconeixement al treball col·lectiu dels enginyers i investigadors de NVIDIA i de la comunitat que ha desenvolupat el seu ecosistema. [22]
Va rebre també la National Medal of Science nord-americana el 2026. [23]
BMW: provar la fàbrica abans de modificar-la
A GTC 2023, Huang va presentar amb Milan Nedeljković una demostració de la fàbrica virtual de BMW a Omniverse. El cas mostrava com decidir la ubicació d’un robot en un espai limitat mitjançant un model compartit per planificació i logística. [5]
La documentació del projecte inclou seguretat dels treballadors i ergonomia entre els problemes de reconfigurar una fàbrica. BMW utilitza entorns virtuals per coordinar la planificació i estudiar la interacció de persones, equips i robots abans de traslladar canvis a l’espai físic. [6]
La connexió preventiva del bessó digital
El valor per a SST és anticipar conflictes de disseny: un canvi de màquina modifica també accessos, recorreguts, espais d’intervenció i tasques manuals. Poder revisar aquestes relacions en un model comú permet discutir-les abans d’executar la modificació.
Huang va presentar públicament aquesta col·laboració; la planificació preventiva correspon als equips que dissenyen i validen cada instal·lació. El bessó ha de representar les condicions del lloc real, incloses operacions de manteniment i situacions anòmales. Una simulació convincent no acredita per si sola la seguretat de la instal·lació ni quantifica una reducció d’accidents.
